《医疗人工智能行业壁垒分析.docx》由会员分享，可在线阅读，更多相关《医疗人工智能行业壁垒分析.docx（11页珍藏版）》请在第壹文秘上搜索。
1、医疗人工智能行业壁垒分析一、行业发展概述人工智能是利用数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。随着人工智能理论和相关Al模型的发展，人工智能产品逐渐开启了在医疗领域用场景中的探索与应用。人工智能在医疗相关各环节均有应用，在诊前可用于疾病预测及健康管理，在临床就诊中可用于疾病的辅助诊断及辅助治疗手术规划等，能有效降低误诊率和手术风险,在就诊后可以用于预后随访及病程管理，还可以服务于药物研发、临床研究等环节。人工智能技术在医疗场景中的数据智能化全方位赋能是未来发展的必然趋势。医学影像是利用光、电、磁、声等物理现象,以非侵入
2、方式获得人体或人体某部分内部组织的影像。临床超过70%的诊断都依赖于医学影像。临床中最常见的影像模态包括X线摄影、CT、MRl和超声等。医学影像具有直观、多模态、高像素精度、病灶表像样本各异、任务复杂多样的特点，其占据了医疗数据总量的90%以上，是临床医疗中最重要的“证据”来源之一。医学影像数据具有标准化程度高的优势，适宜进行人工智能机器学习及深度学习。医学影像的模态和疾病种类均较为丰富，造就了其临床诊断场景应用的复杂度。人工智能应用于医学影像，主要是通过深度学习实现机器对医学影像的分析判断，帮助医生更快获取影像信息，进行定性定量分析，提升医生阅片效率，协助发现隐藏病灶，协助医生完成诊断工作。
3、人工智能通过影像分类、目标检测、图像分割、图像检索等方式，完成病灶识别与标注、三维重建、靶区自动勾画与自适应放疗等功能，应用在疾病的筛查、诊断和治疗阶段。人工智能医学影像辅助诊断的快速发展，为医生提供全方位影像判读的支持，已经逐步实现了快速阅片、报告解读、辅助医生诊断治疗等具体应用，未来有望显著提高疾病诊断、治疗和健康管理的诊断效率、准确性、可及性。二、行业发展历程中国人工智能医学影像行业处于新兴行业发展的早期阶段，已经历了初期技术研发、概念兴起、价值验证及商业化模式探索阶段。自2010年中国各级医疗机构在医院系统中采用电子病历及数字化影像设备以来，医疗领域的文本及影像数据资源开始逐步积累，为
4、后期人工智能机器学习及深度学习的使用提供了底层的数据资源。随着人工智能技术的快速发展，多家互联网企业在此期间开始布局医疗人工智能行业，随之人工智能医疗进入初步发展阶段，对医学影像数据的智能化研究也随之开展。2015年起，在政策利好和人工智能医学影像技术取得新进展的背景下，人工智能医学影像初创企业陆续成立，资本涌入促使相关技术快速成熟并向应用端转化。2017年人工智能医学影像技术在智能影像识别、靶区勾画及脏器成像方面均有所突破，标志着人工智能医学影像技术日趋成熟。在技术成熟并向应用场景探索转化的过程中，人工智能发展的三大核心要素数据、算法及场景的关键性被逐步认知，数据是智能化发展的核心资源，算法
5、是智能化决策的实现工具，场景是数据智能化价值的发挥平台。三者的紧密结合促进了人工智能的产业化发展应用。2018年人工智能医学影像设备的弊端开始显现，部分医院认为产品未能实质性降低工作强度，人工智能医学影像结果呈现许多“假阳性”现象，未能帮助降低误诊率。同时产品设计过于工程化，与医生实操需求不符，增加了医生使用的时间成本。上述情况导致医疗机构对人工智能医学影像产品的热情度下降，资本市场同时进入冷静期，市场开始对企业进行价值验证，逐渐优胜劣汰。领先的人工智能医学影像企业率先发展，在产品研发上持续升级并推出新的功能与产品，并加强与各级医疗机构的合作，适应并满足医生的使用场景需求，逐步获得市场认可，逐
6、渐形成行业壁垒。疫情下医疗资源短缺加速推动了影像智能化产品的应用落地，监管政策逐步完善。2020年国家药监局启动了对人工智能影像辅助决策医疗器械产品的注册批准，截至2022年6月，我国已有超30款医学影像类人工智能产品获批医疗器械第三类注册证。产品的加速获批推动了我国医学影像人工智能辅助诊断产品从研发到落地的商业化探索之路。当前人工智能医学影像产业仍处于发展探索的初期阶段，数据资源的整合与利用是驱动行业数字智能化生态建设的核心因素。目前国内大多数医院在影像数据存储及治理上的智能化投入较少，大多处于信息化运营阶段。医疗机构内部的影像数据资源集成整合已经逐渐成为制约医院数字智能化发展的障碍。医疗影
7、像数据臃肿，扩展性差，大量宝贵的临床数据资源没有被充分利用。未来人工智能在医学影像上的应用将从单点临床诊断应用向医疗体系规模化应用过渡，帮助医院构建医学影像数据生态系统，在数据治理基础上合理利用资源实现临床辅助诊断功能和临床科研闭环应用，将是医疗领域数字智能化建设的主要方向。三、产业发展情况医学影像人工智能属于高端医疗器械领域，具有多学科交叉、知识密集、附加值高等特点，产业链的各环节涉及基础工业、制造业、影像学、医疗机构、互联网等多个行业。随着上游基础设施及影像数据积累到一定规模，影像产业链延伸至人工智能领域，形成了下游端医学影像智能诊断应用。我国人工智能医学影像行业已经形成了完整的产业链，上
8、游市场参与者主要包括基础硬件、医疗设备、云服务、网络运营商等软硬件基础设施供应商。中游为基于计算机视觉、自然语言处理、深度学习等人工智能技术驱动的人工智能医学影像产品的研发企业，主要包括专业的医学影像Al厂商、综合性人工智能技术厂商、以及向智能化转型的医疗器械设备厂商和综合性医疗信息化服务厂商。各类厂商根据自身资源能力，探索从医疗影像辅助诊断，向全病程辅助诊疗、建设医院影像数据平台、推动临床数据科研应用等方向发展。下游为医疗体系中的应用场景端，主要包括医疗机构、体检中心和医药研发机构等，场景应用包括医疗管理、患者服务、辅助诊断、医药科研及健康管理等。四、行业技术应用现状及优势20世纪60年代医
9、生开始利用计算机技术阅读X射线光片，20世纪80年代计算机辅助诊断系统成为医学影像诊断的一个研究方向。从计算机阅读到辅助诊断的研发，医生开始逐渐将人工智能纳入到了医学影像的临床应用中。人工智能在医学影像领域的临床应用主要在辅助诊断环节，应用计算机视觉及深度学习技术，集中应用于图像识别、病变检出和良恶性判断等。一方面，利用人工智能的计算机视觉技术对患者的医学影像识别获取重要信息，为经验不足的影像科医生提供帮助，提高其阅片效率；另一方面，基于深度学习技术通过大量已有影像数据和临床信息对模型进行训练，使其具备智能化辅助诊断疾病的功能，在临床中帮助医生降低漏诊、误诊概率。AI阅片与人工阅片对比，具备高
10、效率、高准确度、客观性、信息利用率高且知识经验传承高的优势特点，能够帮助影像科医生提升阅片的效率和质量，有效缓解我国医学影像医师资源紧张的状况。目前我国医学影像数据的年增长率约为30%,而放射科医师数量的年增长率为4.1%,放射科医师的数量增长速度远不及影像数据的增速，且随着分级诊疗的推进和基层医疗需求的释放，未来基层医生处理医学影像数据的压力会越来越大，医学影像阅片及诊断需求将无法得到有效的满足。人工智能技术在医学影像领域的应用能够充分发挥其高效且准确的优势，缓解医生阅片压力，切实助力分级诊疗的推动和基层医院的建设。五、行业发展趋势1、政策推动标准体系建设医疗AI行业的相关政策频出，推动技术
11、研发成果加速落地及标准化体系建立。2017年7月国务院发布的新一代人工智能发展规划，首次在国家层面对人工智能技术内容进行全盘布局，重点对2030年我国新人工智能发展的总体思路、战略目标和主要任务、保障措施进行系统的规划和部署。2018年4月国务院发布关于促进“互联网+医疗健康”发展的意见，明确将健全“互联网医疗健康”服务体系。从医疗、公共卫生、家庭医生签约、药品供应保障、医保结算、医学教育和科普、人工智能应用等方面推动互联网与医疗健康服务相融合，同年政府提出人工智能向基层医疗进行渗透。2019年8月科技部发布国家新一代人工智能开放创新平台建设工作指引提出推广人工智能治疗新模式新手段，探索人机协
12、同智能诊疗体系的建设。明确了2020年进一步提出未来的建设指南，期望在2023年率先在医疗等领域初步建成人工智能标准体系，智能医疗将围绕医疗数据、医疗诊断、医疗服务和医疗监管建立标准体系规范。2020年8月国家标准化管理委员会、中央网信办、国家发展改革委、科技部、工业和信息化部五部门印发了国家新一代人工智能标准体系建设指南，加强了人工智能领域标准化顶层设计，推动人工智能产业技术研发和标准制定，促进形成了标准引领人工智能产业全面规范化发展的新格局。2022年3月国家药监局器审中心制定了人工智能医疗器械注册审查指导原则，规范了人工智能医疗器械的技术审评要求，为人工智能医疗器械、质量管理软件的体系核
13、查明确了参考依据。2、人工智能产品多元化发展未来以临床价值为导向的医疗Al产品将实现多元化发展，人工智能技术企业将根据细分应用场景开发出适应更多部位病种的人工智能产品，功能也将从图像检出、分割、量化、辅助诊断进一步发展到疗效评估、治疗决策等领域。产品功能由原来单任务学习趋向多任务学习，实现多维度的功能延展。未来覆盖多部位、多病种、多模态、全流程的诊疗一体化解决方案将成为医疗AI企业提升竞争力的关键所在。3、行业将进一步升级集中随着人工智能在医学影像应用技术的不断优化升级，在临床应用中的复杂模式识别、自动化定量评估方法日渐完善，人工智能有望形成更准确的影像评估依据，为医生提供更专业的辅助诊断意见
14、。技术的成熟与应用场景落地，将会助推医学影像产业智能化转型升级。随着行业数据整合与共享机制的建立、模型训练的成熟、商业模式的确立，以及产品注册证的获批，先发企业将逐步建立技术和商业双重壁垒，推动市场从分散走向集中。4、人工智能助力医疗数据智能化生态建设数据是智能化发展的核心资源，对数据资源的整合治理，是实现智能化应用、充分发挥数据价值的前提。应用人工智能技术的医疗数据智能化生态建设，将有助于加强临床医学和基础医学科研数据资源的整合共享，进而提升医学科研转化及实际的临床应用效能，实现医疗机构在数据资产管理、临床诊疗及科研能力上的综合提升。六、行业壁垒1、监管准入壁垒我国对医学影像人工智能产品按医
15、疗器械进行审批监管。国家药监部门实行严格的医疗器械生产企业许可和产品注册制度，新进入该行业的企业需要通过药监部门的审核。医疗器械生产企业的审核要求严格，从事NMPA三类、二类医疗器械生产的企业应具有与生产要求相适应的生产设备、场地和环境，其生产、质量和技术负责人需要具备合格的专业能力，在医疗器械注册方面，申请NMPA三类、二类医疗器械注册的企业需要提供产品技术报告、安全风险分析报告、产品性能自测报告、临床试验资料以及医疗器械检测机构出具的产品注册检测报告等资料，在产品试制、注册检验、临床试验、注册申报等环节有更为严格的标准和管理规定。人工智能医疗器械产品相关许可、认证资质的取得需要耗费大量时间
16、及成本，对新进入者形成了一定监管准入壁垒。2、核心技术壁垒医疗影像人工智能行业属于技术密集型行业，综合应用了机器学习算法模型、深度学习、计算机视觉及医学影像相关专业技术，且人工智能技术正处于快速发展阶段，新技术研发和革新速度较快。人工智能公司普遍建立了帮助研发人员提高技术和产品开发效率的研发流程和基础研发工具，在不断研发探索的过程中逐渐积累了相关技术储备，巩固了领先的技术竞争优势，形成了对行业新进入者的技术壁垒。3、专业人才壁垒医疗人工智能是一个多学科交叉、知识密集的前沿领域。行业对科技研发、创新升级、学科交叉依赖度高，需要有大量具有高水平、多学科背景的复合型专业人才支持，需要计算机、临床医学、生物医学工程、数学等多学科的专业技术人才协同研发创新，目前高校和科研机构的人才培养机制短期内无法满足行业蓬勃的需求，导致人才处于稀缺状态，因此拥有行业经验积累的研发人才是人工智能行业的重要壁垒。新进企业短期内很难招聘及培养出具备核心竞争力的人
